我正在尝试使用 bash
将包含表格的 HTML 转换为 .csv 文件脚本。
到目前为止,我已经完成了以下步骤:
- 转换为 Unix 格式(使用
dos2unix
) - 删除所有空格和制表符(使用
sed 's/[ \t]//g'
) - 删除所有空行(使用
sed ':a;N;$!ba;s/\n//g'
)(这是必要的,因为 HTML 文件中表格的每个单元格都有一个空行……这不是我的错) - 删除不必要的
<td>
和<tr>
标签(带有sed 's/<t.>//g'
) - 替换
</td>
用','(用sed 's/<\/td/,/g'
) - 替换
</tr>
带有行尾 (\n
) 字符 (withsed 's/<\/tr/\n/g'
)
当然,我将所有这些都放在管道中。到目前为止,它工作得很好。我坚持执行最后一步:该表有一列包含日期,格式为 dd/mm/yyyy
, 我想将它们转换为 yyyy-mm-dd
.
有没有(简单的)方法(使用 sed
或 awk
)?
数据样本(在整个 sed
管道之后):
500,2,13/09/2007,30000.00,12,B-1
501,2,15/09/2007,14000.00,8,B-2
预期结果:
500,2,2007-09-13,30000.00,12,B-1
501,2,2007-09-15,14000.00,8,B-2
我需要这样做的原因是因为我需要将这些数据导入 MySQL。我可以在 Excel 中打开文件并手动更改格式,但我想跳过它。
最佳答案
sed -E 's,([0-9]{2})/([0-9]{2})/([0-9]{4}),\3-\2-\1,g'
关于regex - 使用 sed 或 awk 来修复日期格式,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/18453057/